R u Ready? HS2025 | Psychologie der Digitalisierung - Einheit 7

Sandra Grinschgl, Aaron Friedli, Lars Schilling

R u Ready? Reproduzierbare Datenaufbereitung und -analyse mit R

HS 2025

LV-Leitung: Dr. Sandra Grinschgl / MSc. Aaron Friedli
Tutor: BSc. Lars Schilling

7. Einheit, 29.10.2025

Heute:

Fragen zu Hands On Block 2?

Pipe:

Aus dem magrittr-Package %>% (Teil des tidyverse) oder Base R |>

Zweck: Macht Code leserlicher und verständlicher

Hilft bei Funktionen, die als erstes Argument Daten erwarten

Pipe: Beispiel

👎Unübersichtliche verschachtelte Funktion

library(palmerpenguins)
library(tidyverse)

head(select(filter(penguins, species == "Adelie"), species, bill_length_mm))

👍 Übersichtlich und nachvollziehbar mit der Pipe

penguins |>  
  filter(species == "Adelie") |>  
  select(species, bill_length_mm) |>  
  head()

# A tibble: 6 × 2
  species bill_length_mm
  <fct>            <dbl>
1 Adelie            39.1
2 Adelie            39.5
3 Adelie            40.3
4 Adelie            NA  
5 Adelie            36.7
6 Adelie            39.3

Tidyverse: dplyr

Bietet und einige der wichtigsten Funktionen für die Datenaufbereitung!

dplyr: filter()

Filtert den Datensatz basierend auf den logischen Argumenten die wir geben.

Rows (Zeilen) auswählen

library(palmerpenguins)

penguins |> 
  filter(species == "Gentoo")

# A tibble: 124 × 8
   species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
   <fct>   <fct>           <dbl>         <dbl>             <int>       <int>
 1 Gentoo  Biscoe           46.1          13.2               211        4500
 2 Gentoo  Biscoe           50            16.3               230        5700
 3 Gentoo  Biscoe           48.7          14.1               210        4450
 4 Gentoo  Biscoe           50            15.2               218        5700
 5 Gentoo  Biscoe           47.6          14.5               215        5400
 6 Gentoo  Biscoe           46.5          13.5               210        4550
 7 Gentoo  Biscoe           45.4          14.6               211        4800
 8 Gentoo  Biscoe           46.7          15.3               219        5200
 9 Gentoo  Biscoe           43.3          13.4               209        4400
10 Gentoo  Biscoe           46.8          15.4               215        5150
# ℹ 114 more rows
# ℹ 2 more variables: sex <fct>, year <int>

dplyr: select()

Colums (Spalten) auswählen

# A tibble: 344 × 3
   species island    bill_length_mm
   <fct>   <fct>              <dbl>
 1 Adelie  Torgersen           39.1
 2 Adelie  Torgersen           39.5
 3 Adelie  Torgersen           40.3
 4 Adelie  Torgersen           NA  
 5 Adelie  Torgersen           36.7
 6 Adelie  Torgersen           39.3
 7 Adelie  Torgersen           38.9
 8 Adelie  Torgersen           39.2
 9 Adelie  Torgersen           34.1
10 Adelie  Torgersen           42  
# ℹ 334 more rows

dplyer: select ()

dplyr: select()

Mit Hilfsfunktionen wie starts_with

penguins |> 
  select(starts_with("bill"))

# A tibble: 344 × 2
   bill_length_mm bill_depth_mm
            <dbl>         <dbl>
 1           39.1          18.7
 2           39.5          17.4
 3           40.3          18  
 4           NA            NA  
 5           36.7          19.3
 6           39.3          20.6
 7           38.9          17.8
 8           39.2          19.6
 9           34.1          18.1
10           42            20.2
# ℹ 334 more rows

dplyr: select()

Ausschliessen mit -

penguins |> 
  select(-species, -island)

# A tibble: 344 × 6
   bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex     year
            <dbl>         <dbl>             <int>       <int> <fct>  <int>
 1           39.1          18.7               181        3750 male    2007
 2           39.5          17.4               186        3800 female  2007
 3           40.3          18                 195        3250 female  2007
 4           NA            NA                  NA          NA <NA>    2007
 5           36.7          19.3               193        3450 female  2007
 6           39.3          20.6               190        3650 male    2007
 7           38.9          17.8               181        3625 female  2007
 8           39.2          19.6               195        4675 male    2007
 9           34.1          18.1               193        3475 <NA>    2007
10           42            20.2               190        4250 <NA>    2007
# ℹ 334 more rows

dplyr: summarize()

Fasst Daten zusammen, indem Kennwerte (z. B. Mittelwerte) berechnet werden.
Reduziert viele Zeilen zu einer oder wenigen zusammengefassten Zeilen.
Wird oft mit group_by() kombiniert, um Kennwerte pro Gruppe zu berechnen.

penguins |> 
  summarise(
    mean_bill_length = mean(bill_length_mm, na.rm = TRUE),
    mean_flipper_length = mean(flipper_length_mm, na.rm = TRUE)
  )

# A tibble: 1 × 2
  mean_bill_length mean_flipper_length
             <dbl>               <dbl>
1             43.9                201.

dplyr: summarize()

dplyr: mutate()

Erstellt neue Variablen oder verändert Bestehende.
Behält alle Zeilen des ursprünglichen Datensatzes bei.

Wird oft genutzt, um berechnete Spalten hinzuzufügen (z. B. bill_to_flipper_ratio).

library(tidyverse)
library(palmerpenguins)

penguins_upgraded <- penguins |> 
  mutate(
    bill_to_flipper_ratio = bill_length_mm / flipper_length_mm,
    body_mass_kg = body_mass_g / 1000
  )

head(penguins_upgraded)

# A tibble: 6 × 10
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
6 Adelie  Torgersen           39.3          20.6               190        3650
# ℹ 4 more variables: sex <fct>, year <int>, bill_to_flipper_ratio <dbl>,
#   body_mass_kg <dbl>

dplyr: mutate()

dplyr: group_by()

Teilt den Datensatz in Gruppen auf (z. B. nach species).
Verändert die Daten nicht, sondern markiert sie intern als gruppiert.
Bereitet Daten auf Aggregationen mit summarise() oder Berechnungen mit mutate() vor.

grouped_summary <- penguins |> 
  group_by(species) |> 
  summarise(
    mean_bill_length = mean(bill_length_mm, na.rm = TRUE),
    mean_flipper_length = mean(flipper_length_mm, na.rm = TRUE)
  )

grouped_summary

# A tibble: 3 × 3
  species   mean_bill_length mean_flipper_length
  <fct>                <dbl>               <dbl>
1 Adelie                38.8                190.
2 Chinstrap             48.8                196.
3 Gentoo                47.5                217.

dplyr: group_by()

Heute haben wir:

Die Pipe kennengelernt
Dplyr Funktionen (Teil des tidyverse) zur Datenaufbereitung kennengelernt

Hausübung

Bis 7.11.2025 (Freitag nach EH 8)
Alle Instruktionen auf der Website
Danach Peer Feedback (Instruktionen folgen in EH 8)